Course Outline
Invoering
Begrijpen Big Data
Overzicht van Spark
Overzicht van Python
Overzicht van PySpark
- Gegevens distribueren met behulp van het veerkrachtige gedistribueerde datasetsframework
- Berekening distribueren met behulp van Spark API-operators
Instellen Python met Spark
Opstellen PySpark
Met behulp van Amazon Web Services (AWS) EC2-instanties voor Spark
Opstellen Databricks
Het AWS EMR-cluster opzetten
De basisbeginselen leren van Python Programming
- Aan de slag met Python
- Het Jupyter-notebook gebruiken
- Variabelen en eenvoudige gegevenstypen gebruiken
- Werken met lijsten
- If-instructies gebruiken
- Gebruikersinvoer gebruiken
- Werken met while-lussen
- Functies implementeren
- Werken met klassen
- Werken met bestanden en uitzonderingen
- Werken met projecten, gegevens en API's
Leer de basisprincipes van Spark DataFrame
- Aan de slag met Spark DataFrames
- Basisbewerkingen implementeren met Spark
- Groupby- en aggregatiebewerkingen gebruiken
- Werken met tijdstempels en datums
Werken aan een Spark DataFrame-projectoefening
Machine Learning begrijpen met MLlib
Werken met MLlib, Spark en Python voor Machine Learning
Regressies begrijpen
- Lineaire regressietheorie leren
- Implementatie van een regressie-evaluatiecode
- Werken aan een voorbeeld van een lineaire regressieoefening
- Logistieke regressietheorie leren
- Implementatie van een logistieke regressiecode
- Werken aan een voorbeeld van een logistieke regressieoefening
Inzicht in Random Forests en beslissingsbomen
- Boommethodentheorie leren
- Implementatie van beslisbomen en Random Forest codes
- Werken aan een voorbeeld Random Forest Classificatie-oefening
Werken met K- betekent Clusteren
- Het begrijpen van K-betekent Clustering Theorie
- Het implementeren van een K-means Clustering Code
- Werken aan een voorbeeld van een clusteroefening
Werken met aanbevelingssystemen
Implementatie van natuurlijke taalverwerking
- Begrijpen Natural Language Processing (NLP)
- Overzicht van NLP-tools
- Werken aan een voorbeeld NLP-oefening
Streamen met Spark aan Python
- Overzicht Streamen met Spark
- Voorbeeld Spark Streaming Oefening
Slotopmerkingen
Requirements
- Algemene programmeervaardigheden
Publiek
- Ontwikkelaars
- IT-professionals
- Datawetenschappers
Getuigenissen (5)
I liked that it was practical. Loved to apply the theoretical knowledge with practical examples.
Aurelia-Adriana - Allianz Services Romania
Cursus - Python and Spark for Big Data (PySpark)
The course was about a series of very complex related topics & Pablo has in-depth expertise of each of them. Sometimes nuances were lost in communication and/or due to time pressures and possibly expectations were not quite met due to this. Also there were some UHG/Azure Databricks setup issues however Pablo / UHG resolved these quickly once they became apparent - this to me showed a high level of understanding and professionalism between UHG & Pablo,
Michael Monks - Tech NorthWest Skillnet
Cursus - Python and Spark for Big Data (PySpark)
Individual attention.
ARCHANA ANILKUMAR - PPL
Cursus - Python and Spark for Big Data (PySpark)
Hands on Training..
Abraham Thomas - PPL
Cursus - Python and Spark for Big Data (PySpark)
The lessons were taught in a Jupyter notebook. The topics were structured with a logical sequence and naturally helped develop the session from the easier parts to the more complex. I'm already an advanced user of Python with background in Machine Learning, so found the course easier to follow than, possibly, some of my classmates that took the training course. I appreciate that some of the most elementary concepts were skipped and that he focused on the most substantial matters.